我可以使用 R data.table 连接功能来选择行并执行一些操作吗？答案

【问题标题】：Can I use the R data.table join capability to select rows and perform some operation?我可以使用 R data.table 连接功能来选择行并执行一些操作吗？
【发布时间】：2016-03-11 13:05:41
【问题描述】：

我不确定如何获取由两个 data.tables 连接产生的行索引。

为了设置一个简化的例子，假设 dt 是一个 data.table，它的列 'a' 是字母表中的一个字母，'b' 是其他一些信息。

我想添加一列“c”并将其设置为“元音”或“辅音”，具体取决于“a”列。我有另一个数据表 dtv，它用作元音表。我可以使用 data.table 的连接功能来有效地执行此操作吗？

require(data.table)
dt <- data.table ( a = sample(letters, 25, replace = T), 
                   b = sample(50:100,   25, replace = F))
dtv <- data.table( vowel  = c( 'a','e','i','o','u') )
setkey(dt,a)

下一行代码给了我一个带有元音的行的 data.table

dt[dtv, nomatch=0]

但是如何获取行索引，以便将行标记为元音或辅音？

dt[, c := 'consonant']
dt[{ `a` found in vowel list }, c := 'vowel']  
# I want to do this where column 'a' is a vowel

【问题讨论】：

标签： r join data.table

【解决方案1】：

从 V 1.9.4 开始，data.table 已优化为在 %in% 上使用二元连接，以防数据集已被键入。所以@Richards 的答案应该与最新的data.table 版本具有相同的性能（顺便说一句，%in% 在使用datatable.auto.index = TRUE 时有一个错误，所以请确保你安装了data.table v 1.9.6+会用）

下面是data.table在使用%in%函数时使用二元连接的示意图

require(data.table)
set.seed(123)
dt <- data.table ( a = sample(letters, 25, replace = T), 
                   b = sample(50:100,   25, replace = F))
dtv <- data.table( vowel  = c( 'a','e','i','o','u') )
setkey(dt, a)

options(datatable.verbose = TRUE)

dt[a %in% dtv$vowel]
# Starting bmerge ...done in 0 secs <~~~ binary join was triggered
#    a  b
# 1: i 87
# 2: o 84
# 3: o 62
# 4: u 77

无论哪种方式，您都快到了，您可以在加入时轻松修改c

dt[, c := 'consonant']
dt[dtv, c := 'vowel']

或者，如果您想避免从 dtv 加入不必要的列（如果它们存在），您可以只加入 dtv 中的第一列

dt[dtv$vowel, c := 'consonant']

请注意，我没有使用 .() 或 J()。如果ith 元素不是integer 或numeric 类型，data.table 将默认执行二进制连接而不是行索引。例如，如果您想对列b（类型为integer）执行二元连接，这很重要。比较

setkey(dt, b)
dt[80:85]
#     a  b <~~~ binary join wan't triggered, instead an attempt to subset by rows 80:85 was made
# 1: NA NA
# 2: NA NA
# 3: NA NA
# 4: NA NA
# 5: NA NA
# 6: NA NA

和

dt[.(80:85)] # or dt[J(80:85)]
# Starting bmerge ...done in 0 secs <~~~ binary join was triggered
#     a  b
# 1:  x 80
# 2:  x 81
# 3: NA 82
# 4: NA 83
# 5:  o 84
# 6: NA 85

这两种方法的另一个区别是%in%不会返回不匹配的实例，比较一下

setkey(dt, a)
dt[a %in% dtv$vowel]
# Starting bmerge ...done in 0 secs 
#    a  b
# 1: i 87
# 2: o 84
# 3: o 62
# 4: u 77

和

dt[dtv$vowel]
# Starting bmerge ...done in 0 secs
#    a  b
# 1: a NA <~~~ unmatched values returned
# 2: e NA <~~~ unmatched values returned
# 3: i 87
# 4: o 84
# 5: o 62
# 6: u 77

对于这种特定情况，这无关紧要，因为:= 不会修改不匹配的值，但您可以在其他情况下使用nomatch = 0L

dt[dtv$vowel, nomatch = 0L]
# Starting bmerge ...done in 0 secs
#    a  b
# 1: i 87
# 2: o 84
# 3: o 62
# 4: u 77

如果您不希望 data.table 如此冗长，请不要忘记设置 options(datatable.verbose = FALSE)。

【讨论】：

【解决方案2】：

确实没有必要使用合并/连接。我们可以使用%in%。

dt[, c := "consonant"]
dt[a %in% dtv$vowel, c := "vowel"]

或一行中的相同内容-

dt[, c := "consonant"][a %in% dtv$vowel, c := "vowel"]

或者（并且更好），我们可以通过以下方式在一次调用中完成这两个步骤。

dt[, c := c("consonant", "vowel")[a %in% dtv$vowel + 1L]]

【讨论】：